SSD的MultiBoxLoss层的multibox_loss_param说明

以下是MultiBoxLoss的multibox_loss_param：

multibox_loss_param {
    loc_loss_type: SMOOTH_L1
    conf_loss_type: SOFTMAX
    loc_weight: 1.0
    num_classes: 2
    share_location: true
    match_type: PER_PREDICTION
    overlap_threshold: 0.5
    use_prior_for_matching: true
    background_label_id: 0
    use_difficult_gt: true
    neg_pos_ratio: 3.0
    neg_overlap: 0.4
    code_type: CENTER_SIZE
    ignore_cross_boundary_bbox: false
    mining_type: MAX_NEGATIVE
 }

loc_loss_type: SMOOTH_L1——对于位置信息的loss函数选择L1,还可以选择EuclideanLoss 
conf_loss_type: SOFTMAX ——对于conf类别信息的loss函数选择softmax，还可以选择SigmoidCrossEntropyLoss/Focal Loss
loc_weight: 1.0——位置信息loss函数的惩罚权重 
num_classes: 2——类别数 
share_location: true——是否所有类别都公用同一个位置信息预测。 
match_type: PER_PREDICTION——匹配策略，PER_PREDICTION表示：首先保证每一个Ground Truth都会找到一个符合条件下overlap最大的source box；然后将剩余满足threshold条件的source boxes与相应的Ground Truth匹配。 
overlap_threshold: 0.5——source boxes与Ground Truth的overlap大于0.5时被归类为正样本 
use_prior_for_matching: true——使用prior box或者adjusted prior box与Ground Truth进行匹配，prior box就是直接在原图上生成的default box，而adjusted prior box是指经过位置回归后的default box，其大小和位置可能都会产生相应的offset。 
background_label_id: 0——背景样本的标签号，一般设置为0号标签 
use_difficult_gt: true——使用困难ground truth 
neg_pos_ratio: 3.0——负正样本比例，负：正。 
neg_overlap: 0.4——与Ground Truth的overlap小于neg_overlap的source boxes被判定为负样本。 
code_type: CENTER_SIZE——编码bounding box的方式，CENTER_SIZE方式指的是记录bounding box是[x_center,y_center,w,h]的数组记录一个bounding box；也可以选择CORNER，代表采用[minx,miny,maxx,maxy]来记录一个bounding box。 
ignore_cross_boundary_bbox: false——是否忽略超出图像边界的bounding box，true：忽略，false:不忽略(包含超出边界的框)
 // If true, ignore cross boundary bbox during matching.
  // Cross boundary bbox is a bbox who is outside of the image region.
  optional bool ignore_cross_boundary_bbox = 18 [default = false];
mining_type: MAX_NEGATIVE——负样本挖掘的方式，还有OHEM，不采用负样本挖掘:NONE

 

参考：https://blog.csdn.net/zbzb1000/article/details/81202724